深兰科技斩获IEEEISI冠军，其AutoML技术加速企业AI升级新进程【大阳城游戏官方网站】

机器学习的下一波浪潮！AI领域最炙手可热的技术之一！国外的谷歌、Facebook、微软公司，国内的深兰科技、旷视科技、第四范式等领先的AI企业竞相研发......如果2019年你只注目人工智能领域的一项技术，有可能最应当是AutoML技术。近日，国内AI企业在AutoML技术上传到好消息。7月1日，IEEE ISI 2019国际大数据分析竞赛结果揭晓，深兰科技DeepBlueAI团队分别获得了一项冠军和一项季军的优异成绩。究竟何谓AutoML技术？为什么谷歌、Facebook、微软公司都重金投放竞相研发？为什么它被誉为“AI领域最炙手可热的技术”？为什么说道“中国企业AI转型或步入新的进程？”1、力克英美德等七国“劲敌”中国自研AutoML技术进帐IEEE ISI冠军近日，来自中国上海的AI独角兽——深兰科技DeepBlueAI团队，在IEEE ISI 2019国际大数据分析竞赛上分别获得了一项冠军和一项季军。

享有16年历史的IEEE年度国际会议，是安全性信息学领域的旗舰会议。目前已从传统的智能和安全性领域发展到多领域牵头研究与创意。今年7月1日，第17届IEEE ISI会议由深圳人工智能与数据科学研究所主办。IEEE ISI会议发动了此次国际大数据分析竞赛(IEEE ISI 2019年世界杯，IWC 2019)，并面向全球高校、研究机构、企业、政府对外开放。

本次大赛总计参赛人数逾千人，三百多支参赛队伍分别来自中国、美国、巴基斯坦、英国、德国等7个国家。来自华为、京东、滴滴等知名企业，以及来自清华大学、北京大学、浙江大学等著名高校的三百余支队伍参赛，参赛总人数逾千人。今年IEEE ISI大赛分成：投资价值评估和法律诉讼类型预测两个赛题。在企业投资价值评估赛题中，深兰科技DeepBlueAI团队凭借自研的AutoML系统，以较小领先优势取得冠军。

所谓AutoML全称Automated Machine Learning，即自动机器学习，该技术是2014年以来，机器学习和深度自学领域最炙手可热的领域之一。AutoML技术之所以被普遍注目，是因为它让机器学习从“教学”变为了“自学”，大幅度提高了机器学习的效率。明确而言，传统的机器学习，从摄入数据到预处理、优化，然后预测结果，每个步骤都必须由专业的AI人才来掌控和继续执行。

而在AutoML技术的护持下，人主要只注目两个主要方面：数据采集/搜集和预测。中间再次发生的所有其他步骤都可以让机器精彩构建自动化，同时获取经过优化并准备好展开预测的模型。AutoML技术广泛不具备两个特征：自动化：AutoML能高效通过自动继续执行的重复性任务来提升工作效率。

这使得数据科学家需要更好地注目问题而不是模型。比如深兰科技自研的AutoML技术，除了需要节省大量人力物力财力，并且还能更为较慢和安全性地搭起出有一个高于大多数算法工程师搭起的机器学习系统。在本次比赛中，AutoML系统可挖出各业务字段间的简单关系，自动萃取高阶特征，给企业价值评估获取了精致的更为精准的解决方案。

高性能性：由于AutoML自动化以及高效的特征，它一定程度上超越了AI技术与AI科学家的深度初始化关系，进而减少了AI技术的应用于门槛——却是并非所有企业都有资源来聘用经验丰富的AI人才团队。这意味著，AutoML技术可普遍用作那些AI人才严重不足的企业，这也许是传统企业AI转型的突破口！值得注意的是，此次比赛的冠军团队深兰科技享有多年的机器学习经验。

此前在 PAKDD2019、CVPR 2019 等国际著名比赛中多次获得冠军的优异成绩。2、美国的谷歌，中国的深兰科技AutoML沦为智能驾驶“急弯转弯”的关键为什么说道AutoML技术是“传统企业AI转型的突破口”呢？众所周知，汽车行业被誉为传统制造业皇冠上的明珠。

我们明确以汽车产业为事例，近距离地洞察AutoML技术的赋能。深兰科技是年所将AutoML技术应用于在智能驾驶以及整车生产领域的国内AI企业之一。

今年6月，深兰科技同其他5家企业月接到路测牌照，沦为首批取得广州市智能网联成汽车道路测试资格的企业，其中深兰科技是唯一取得大型客车路测资格的AI企业。其旗下的熊猫智能公交车也将在黄埔区、南沙区、花都区、白云区等四个区域内路测行经。

深兰科技自问世就自带AI基因，但是中国汽车行业中的主要玩家们——传统车企，要想要入局智能驾驶领域必然面对着诸多挑战。比如，在智能驾驶状况下，车与车之间终将构成的“车际网”，即汽车之间的“互相交流”，以互相告诉车距、车流、事故、路况等。而这种交流必然是通过数据构建的。

那么，两辆有所不同品牌、有所不同智能驾驶技术的车辆之间，甚至一辆有智能驾驶另一辆没，其间的数据传输就近于有可能遭遇障碍，比如数据格式不一、维度有所不同、字段有所不同。以我们较为熟知的EXCEL中的数据作为转换，某种程度是“7月1日”这个时间数据，有所不同的统计资料表格表明有所不同，有可能是“7-1”有可能是“07.01.2019”，也有可能是“July 1st”。

如果数据量极大，那么根本无法通过人眼来一一辨识、矫正。EXCEL尚且如此，别提AI了。如何确保车与车之间的数据交流能顺利进行？AutoML技术就能很好解决问题这种问题。前文提及的深兰科技自研的AutoML系统，不仅能挖出各规格数据间的简单关系，还有自动萃取高阶特征，展开自动化的数据清除。

这意味著有所不同车辆之间的有所不同数据，可以被AutoML系统自动统一。此外，深兰科技自研的AutoML系统天生的自动化能力，也可以让数据传输的过程、面临简单场景的数据更为高效；其匿名性则可以确保车主方位数据不被泄漏；其高性能性，则可让该技术较低门槛、大规模地赋能传统车企。事实上，谷歌早就将AutoML系统用作智能驾驶。

今年1月，Alphabet（谷歌母公司）旗下的子公司、全球自动驾驶领头羊——Waymo，就在正式成立十周年之际于官方博客重点深度剖析了AutoML技术如何助力智能驾驶。Waymo称之为，AutoML技术使其智能驾驶技术针对有所不同的场景较慢优化，高效和倒数地获取大量机器学习的解决方案，以将其智能驾驶技术应用于到有所不同的城市和环境中。

可见，不论是国内的深兰科技还是国外的谷歌，AutoML技术已沦为智能驾驶领域尤为关键技术之一。国内传统车企甚至是造车新势力若想“急弯转弯”，必然必不可少AutoML技术的赋能。

3、企业AI转型遭遇人才瓶颈AutoML或是紧贴万亿蛋糕的利器事实上，AutoML技术的赋能并不局限于汽车行业，它也是国内完全所有传统行业和中小企业AI转型的切入点之一。传统行业和中小企业的AI转型，甚至AI整个行业的发展，主要不受三个关键因素所桎梏：第一，人才第二，数据第三，算力而在企业争相亲吻数字化，云计算可低价租给的今天，人才于是以沦为最后也是最好的瓶颈。却是AI人才培养不有可能像企业数字化转型和公有云普及那样很快，受到教育资源等种种原因的容许，AI人才的稀缺性必然将持续很长时间。

今年4月，加拿大人工智能孵化器公司Element AI公布的《2019年全球AI人才报告》表明，在全球AI人才培养方面，有44%的AI人才的博士学位是在美国取得的，在中国取得的大约11%；而在雇用AI人才方面，46%的AI人才替美国的雇员工作，中国这个数据仅有11%。可见，国内AI人才总量比较短缺。更加不利的一个问题是，国内AI人才大多只在科技企业甚至BAT、TMD等大型科技企业间流动，对于传统行业以及中小企业而言，AI人才成本是一个无法迈过的努，而AI人才经常必须团队登陆作战才能充分发挥才能，堪称让这种情况雪上加霜。

这意味著，一方面，最少未来数十年在AI产业化的转型途中，传统行业以及中小企业内部不存在着一个极大的市场。另一方面，通过AI建构全新产品和服务，推展传统行业转型升级，同时也早已沦为国家提倡的推展供给外侧结构性改革、构建高质量发展的最重要着力点，涉及的政策早就层出不穷。所以，不论是市场竞争还是国家政策，AI赋能传统行业以及中小企业，都将是大势所趋。根据国务院公布的新一代人工智能发展规划，到2030年，中国将构建人工智能核心产业规模多达1万亿元，造就涉及产业规模多达10万亿元。

而能减少企业用户、开发者以及研究人员用于门槛的AutoML技术，正是紧贴这一极大蛋糕的利器。换言之，深兰科技、旷视科技、第四范式等领先的AI企业，有机会利用AutoML技术为国内传统行业以及中小企业赋能。

目前AutoML技术早已广泛应用在精准营销、金融风触、自动驾驶、疾病预测等业务场景中，作出了相似甚至多达数据科学家的模型效果，决策精准度多达人类专家数倍。以深兰科技为事例，深兰科技曾明确提出，将把AutoML技术作为开发工具，在公司搭起的世界级核心算法平台上发售系统性的解决方案，赋能AI交通、AI医疗、AI工业、AI社区等领域。

据理解，深兰科技的AI产品跨越多个领域，用于场景简单。AutoML技术可以在海量简单数据基础上，做算法的自我改版和自我适应环境，从而超过AI确实的智能化和个性化。再行如第四范式，目前其已公布AutoML平台可以协助企业基于历史的数据、业务的动态对系统做到递归，充份挖出特征作出更加精准的决策。今年4月，旷视科技也首次透露了AutoML涉及成果...可以意识到在旋即的将来，环绕AutoML技术，中外AI企业将进行新一轮技术星海。

来源：氢媒工厂版权文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：大阳城游戏官方网站-www.ertbilisim.com